BAB 2

Landasan Teori

2.1 Kajian Teori

Dibawah ini merupakan penjelasan mengenai teori yang digunakan dalam
penelitian ini. Teori ini menjadi tolak ukur dalam menjalakan penelitian.

2.1.1 Monte Carlo

Kata “Monte Carlo” merupakan nama sebuah daerah di Monaco yang
terkenal dengan fasilitas judinya (Sediawan, 2013:2).
Metode Monte Carlo pertama kali diperkenalkan ke dunia keuangan oleh
David B. Hertz pada tahun 1964, dalam artikel “Risk Analysis in Capital Investment”
pada Harvard Business Review. Selanjutnya, pada tahun 1977, Phelim Boyle adalah
yang pertama kali menggunakan simulasi ini dalam makalahnya mengenai Options
(Putri. 2009).
2.1.1.1 Pengertian Monte Carlo
Monte Carlo adalah salah satu alat komputasi yang paling kuat
untuk memecahkan dimensi tinggi masalah dalam fisika, kimia,
ekonomi, dan pengolahan informasi (Zak, 2009: 9).
Metode Monte Carlo adalah metode yang digunakan untuk
menghitung atau memperkirakan nilai atau solusi menggunakan angka
acak, probabilitas, dan statistik (Nadinastiti, 2011: 1).
Metode Monte Carlo didefinisikan oleh Halton (1970) untuk
mewakili solusi dari masalah sebagai parameter populasi hipotesis,
dan menggunakan urutan angka acak untuk membangun sebuah
sampel dari populasi, dimana perkiraan statistik dari parameter dapat
diperoleh (Johansen & Evers, 2010: 5).
Metode Monte Carlo merupakan dasar untuk semua algoritma
dari metode simulasi yang didasari pada pemikiran penyelesaian suatu
masalah untuk mendapatkan hasil yang lebih baik dengan cara
memberi nilai sebanyakbanyaknya (nilai bangkitan / Generated
Random Number) untuk mendapatkan ketelitian yang lebih tinggi.
Metode ini menganut system pemrograman yang bebas tanpa telalu
banyak diikat oleh rule atau aturan tertentu (Achmad, 2008: 1).

11
12

2.1.1.2 Penerapan Monte Carlo

Metode Monte Carlo memiliki banyak penerapan di berbagai
bidang. Penerapan metode Monte Carlo antara lain dalam bidang
(Nadinastiti, 2011: 2):
1. Grafis.
Digunakan untuk penjejakan sinar.

2. Biologi.
Memperlajari jaringan biologi.
3. Keuangan.
Dalam bidang ini, Monte Carlo digunakan
untuk menilai dan menganalisis model - model
finansial.
4. Fisika.
Cabang - cabang fisika yang menggunakan
antara lain fisika statistik dan partikel. Dalam
fisika partikel, digunakan untuk eksperimen.
Dalam ilmu nuklir metode ini juga banyak
diterapkan
5. Ilmu probabilitas dan statistik.
Digunakan untuk mensimulasikan dan
memahami efek keberagaman.
6. Ilmu komputer.
Misalnya Algoritma Las Vegas dan
berbagai permainan komputer.
7. Kimia.
Digunakan untuk simulasi yang
melibatkan kluster - kluster atomik.
8. Ilmu lingkungan.
Metode ini digunakan untuk memahami
perilaku kontaminan.
 13

2.1.2 Simulasi
Simulasi adalah sebuah metode analitik yang bertujuan untuk membuat
“imitasi” dari sebuah sistem yang mempunyai sifat acak, dimana jika digunakan
model lain menjadi sangat mathematically complex atau terlalu sulit untuk
dikembangkan (Cahyo, 2008: 13).

2.1.3 Simulasi Monte Carlo

Simulasi Monte Carlo, yang berasal dari sampling statistik, pertama kali
disampaikan oleh Metropolis dan Ulam dalam jurnal yang berjudul The Monte Carlo
Method, Journal of the American Statistical Association, Vol.44, No.247, 1949, pg.
335-341 (Yeh & Sun, 2013: 784, 795).
Pembangunan model Simulasi Monte Carlo didasarkan pada probabilitas
yang diperoleh data historis sebuah kejadian dan frekuensinya, dimana (Cahyo,
2008: 13) :

Dimana :
Pi : Probabilitas kejadian i
fi : Frekuensi kejadian i
n : Jumlah frekuensi semua kejadian
Simulasi Monte Carlo dikategorikan sebagai metode sampling
karena input yang dihasilkan secara acak dari probabilitas distribusi
untuk mensimulasikan proses sampling dari populasi yang sebenarnya
dan beberapa penulis mengadopsinya untuk mengukur keandalan
sistem karena keuntungan dari kemudahan dan akurasi (Yeh & Sun,
2013: 784).
Menurut Kwak & Stoddard (2004) Simulasi Monte Carlo
mulai mendapat perhatian di bidang manajemen proyek, dan dapat
menjadi alat yang handal bagi manajer proyek dalam menganalisa
resiko dan ketidakpastian yang umum terjadi dalam pembiayaan
proyek. Hasil simulasi Monte Carlo dapat membantu manajer proyek
dalam menentukan ekspektasi pembiayaan proyek yang lebih realistis
(Achmad, 2008: 20).
14

2.1.3.1 Pengertian Simulasi Monte Carlo

Simulasi Monte Carlo adalah salah satu metode simulasi
sederhana yang dapat dibangun secara cepat dengan hanya
menggunakan spreadsheet, seperti : Ms. Excell (Cahyo, 2008:13).
Simulasi Monte Carlo adalah metode untuk mengevaluasi
iteratif model deterministik menggunakan nomor acak sebagai
masukan (Yeh & Sun, 2013: 784).
Simulasi Monte Carlo didefinisikan sebagai semua teknik
sampling statistik yang digunakan untuk memperkirakan solusi
terhadap masalah-masalah kuantitatif (Achmad, 2008: 14).
Simulasi Monte Carlo adalah pengambilan sampel dengan
menggunakan bilangan - bilangan acak (random numbers) dengan
prinsip kerja adalah membangkitkan bilangan - bilangan acak atau
sampel dari suatu variabel acak yang telah diketahui distribusinya,
sehingga seolah - olah dapat diperoleh data dari lapangan, atau dengan
kata lain Simulasi Monte Carlo meniru kondisi lapangan secara
numerik.
Simulasi Monte Carlo dapat didefinisikan sebagai Simulasi
sistem nyata yang di alam merupakan unit / partikel, dengan
mengamati perilaku sejumlah unit / partikel yang memiliki kondisi
secara acak menurut distribusi populasi, mirip dengan sistem nyata
melalui generasi nomor acak (Sediawan, 2013: 3).

2.1.3.2 Tiga Langkah Penting Simulasi Monte Carlo

Ada tiga langkah penting dalam melakukan Simulasi Monte
Carlo, antara lain (Sediawan, 2013: 12):
1. Membangun distribusi populasi yang erat mewakili distribusi
populasi dari sistem nyata.
2. Menghasilkan nomor acak mengikuti distribusi populasi,
untuk mewakili sifat atau kondisi komponen yang membentuk
sistem.
3. Memprediksi sifat sistem makroskopik didasarkan pada
ekspektasi matematis dari sistem yang disimulasikan.
 15

Dalam metode Monte Carlo, simulasi sistem yang terdiri dari

sejumlah unit / partikel yang memiliki kondisi acak, dan distribusinya
dibuat semirip mungkin dengan sistem nyata yang dilakukan melalui
generasi nomor acak. Sifat sistem makroskopik kemudian hanya
didekati dengan harapan matematis yang relevan.

2.1.3.3 Elemen - Elemen Simulasi Monte Carlo

Simulasi Monte Carlo memerlukan beberapa elemen berikut
(Yeh & Sun, 2013: 784) :
1. Fungsi kepadatan probabilitas (pdf).
2. Nomor acak generator untuk menyediakan nomor acak.
3. Resep sampling, sampel dari p.d.f. tertentu dengan
ketersediaan Unit nomor acak Interval.
4. Perhitungan, dalam yang hasil output perlu diberikan sebagai
total value.
5. Salah Perhitungan, dimana hubungan antara jumlah kesalahan
statistik yang terjadi dan fungsi nomor lain.
6. Mengurangi variasi teknik, untuk mengurangi waktu yang
dibutuhkan untuk menghitung Simulasi Monte Carlo
7. Integrasi horizontal dan vertikal, untuk menerapkan simulasi
Monte Carlo efektif ke struktur sistem komputasi.
2.1.3.4 Keuntungan Simulasi Monte Carlo
Keuntungan utama dari Simulasi Monte Carlo simulasi atas
teknik komputasi lain adalah independensi sumber daya komputasi
pada dimensi masalah. Ada banyak modifikasi dari metode ini seperti
"klasik" Monte Carlo, (sampel diambil dari distribusi probabilitas),
"Kuantum" Monte Carlo, (random walk digunakan untuk menghitung
energi kuantum mekanik dan fungsi gelombang), "jalan-integral"
kuantum Monte Carlo, (kuantum statistik integral mekanik dihitung
untuk memperoleh sifat termodinamika), "simulasi" Monte Carlo,
(algoritma stokastik yang digunakan untuk menghasilkan kondisi awal
untuk quasiclassical simulasi lintasan), dll (Zak, 2009: 9).
16

2.1.4 Nomor acak

Salah satu kegunaannya adalah dalam Metode Monte Carlo (Nadinastiti,
2011: 1). Nomor acak memainkan peran penting dalam simulasi komputer, misalnya,
salah satu masalah inti Metode Monte Carlo adalah untuk menghasilkan serangkaian
dari nomor acak sesuai dengan distribusi probabilitas yang sebenarnya sebagai
sumber data simulasi (Hu & Cui, 2010: 23).
Simulasi Monte Carlo dilakukan berdasarkan generasi nomor acak mengikuti
distribusi populasi tertentu (Deriawan, 2013: 13).
Untuk beberapa percobaan, angka acak harus diterapkan. Modifikasi yang
diusulkan dari metode Monte Carlo seperti pembatasan, karena didasari keacakan
yang dihasilkan oleh ketidakstabilan dinamika (Zak, 2009: 10).
Nomor acak yang baik tergantung pada banyak faktor. Maka dari itu, selalu
dianjurkan untuk memiliki berbagai nomor acak generator yang tersedia, untuk
aplikasi yang berbeda mungkin memerlukan sifat yang berbeda dari generator acak
(Kroese, 2011: 10).
Pengembangan random number generator ini cukup pesat. Contohnya,
dewasa ini sudah jarang digunakan metode tradisional untuk menghasilkan angka
acak dalam permainan lotere karena semakin sering digunakannya random number
generator (Nadinastiti, 2011: 2).
Sebuah random number generator (biasa disingkat RNG) merupakan sebuah
generator yang bisa berupa perangkat lunak atau keras yang dibuat untuk
menghasilkan sejumlah angka dalam deretan yang tidak memiliki pola. Dengan kata
lain RNG menghasilkan sejumlah angka yang acak (Nadinastiti, 2011: 2).
Penghasil angka acak berupa perangkat keras yang sudah ada sejak dahulu
dan masih digunakan hingga sekarang antara lain dadu dan lempar koin. Alat - alat
tersebut digunakan untuk permainan maupun perjudian namun masih terlalu lambat
untuk digunakan dalam bidang kriptografi dan statistik (Nadinastiti, 2011: 2).
Hanya nomor acak generator yang memiliki sifat teoritis yang solid bahkan
harus dipertimbangkan, uji statistik harus dilakukan pada sampel yang dihasilkan,
dan hanya generator yang outputnya telah berhasil melewati baterai uji statistik yang
harus digunakan (Gentle, 2005: 61).
Berikut adalah beberapa sifat dari nomor acak generator (Kroses, 2011:10) :
1. Lulus uji statistik : Tujuan utamanya adalah bahwa generator harus
menghasilkan aliran angka acak seragam yang dibedakan urutan
 17

seragam iid asli. Meskipun dari sudut pandang teoritis melihat kriteria
ini terlalu tidak tepat dan bahkan tidak layak, dari sudut pandang
praktis ini berarti bahwa generator harus melewati serangkaian tes
statistik sederhana yang dirancang untuk mendeteksi penyimpangan
dari keseragaman.
2. Dukungan teoritis : Sebuah generator yang baik harus didasarkan pada
prinsip - prinsip matematika, memungkinkan untuk analisis yang
meneliti sifat penting dari generator. Contohnya adalah generator
congruential linear dan multiple - rekursif.
3 Direproduksi : Properti penting adalah bahwa aliran nomor acak
direproduksi tanpa harus menyimpan aliran lengkap dalam memori.
Hal ini penting untuk pengujian dan varians teknik pengurangan.
Metode generasi fisik tidak dapat diulang kecuali seluruh aliran
dicatat.
4 Cepat dan efisien : Generator harus menghasilkan angka acak secara
cepat dan efisien, dan memerlukan sedikit penyimpanan di memori
komputer. Banyak teknik Monte Carlo untuk optimalisasi dan
estimasi membutuhkan miliaran atau angka acak yang lebih. Metode
generasi fisik saat ini tidak cocok untuk generator algoritmik
sederhana dalam hal kecepatan.
5 Periode Besar : Periode nomor acak generator harus sangat besar -
pada urutan 1050 - dalam rangka untuk menghindari masalah dengan
duplikasi dan ketergantungan. Nomor acak algoritmik generator
terdahulu secara mendasar tidak memadai dalam hal ini.
6 Beberapa aliran : Dalam banyak aplikasi perlu untuk menjalankan
beberapa aliran acak independen secara paralel. Sebuah nomor acak
generator yang baik harus memiliki ketentuan mudah bagi beberapa
aliran independen.
7 Murah dan mudah : Sebuah nomor acak generator yang baik harus
murah dan tidak membutuhkan peralatan eksternal mahal. Selain itu,
harus mudah untuk menginstal, melaksanakan, dan dijalankan. Secara
umum seperti nomor acak generator juga lebih mudah dibawa di atas
platform komputer yang berbeda.
18

8 Tidak menghasilkan 0 atau 1 : Sebuah properti yang diinginkan dari

nomor acak generator adalah bahwa kedua 0 dan 1 dikecualikan dari
urutan nomor acak. Hal ini untuk menghindari pembagian dengan 0
atau komplikasi numerik lainnya.

2.1.5 Optimalisasi dan Maksimalisasi

Optimalisasi ada proses mengoptimalkan (Wahyuningsih, 2010: 291).
Menurut kamus besar bahasa Indonesia, kata optimalisasi diambil dari kata optimal
yang berarti terbaik, tertinggi. Sedangkan pengoptimalan berarti proses, cara,
perbuatan pengoptimalan (menjadikan paling baik atau paling tinggi). Jadi
optimalisasi adalah sistem atau upaya menjadikan paling baik atau paling tinggi.
Menurut Yuwono dan Abdullah bahwa optimalisasi berasal dari kata optimal.
Kata optimal memiliki arti terbaik atau tertinggi, selanjutnya dijelaskan bahwa
optimalisasi adalah perihal mengoptimalkan. Dari pengertian optimalisasi tersebut
menunjukkan suatu proses atau kegiatan yang diarahkan untuk mencapai atau
mendapatkan hasil yang terbaik.
Optimalisasi adalah mencari alternatif dengan biaya yang paling efektif atau
kinerja dicapai tertinggi menurut kendala yang diberikan, dengan memaksimalkan
faktor yang diinginkan dan meminimalkan yang tidak diinginkan.
Sebagai perbandingan, maksimalisasi berarti berusaha untuk mencapai hasil
tertinggi atau maksimum atau hasil tanpa memperhatikan biaya atau beban. Praktek
optimalisasi dibatasi oleh kurangnya informasi yang lengkap, dan kurangnya waktu
untuk mengevaluasi informasi apa yang tersedia. Dari masalah bisnis, optimalisasi
dicapai biasanya dengan menggunakan teknik pemograman linear dari riset operasi.
Maksimalisasi juga digunakan untuk menentukan estimasi tertinggi, dengan
meminimalkan kontribusi lainnya.
2.1.6 Minimalisasi
Minimalisasi atau Minimisasi dapat diselesaikan secara grafis dengan terlebih
dahulu menyiapkan daerah solusi yang layak (Heizer & Render. 2011: 731).
2.1.7 Layout
Layout merupakan salah satu keputusan penting yang menentukan efisiensi
jangka panjang dari operasi. Layout memiliki banyak implikasi strategis karena
menetapkan prioritas kompetitif organisasi dalam hal kapasitas, proses, fleksibilitas,
dan biaya, serta kualitas kehidupan kerja, kontak pelanggan, dan citra. Layout yang
 19

efektif dapat membantu organisasi mencapai strategi yang mendukung diferensiasi,

biaya rendah, atau respon. (Heizer & Render. 2011: 376).
Desain layout harus mempertimbangkan bagaimana untuk mencapai hal
berikut:
1. Pemanfaatan yang lebih tinggi dari ruang, peralatan, dan orang - orang.
2. Meningkatkan aliran informasi, materi, atau orang - orang.
3. Meningkatkan semangat kerja karyawan dan kondisi kerja yang lebih aman.
4. Meningkatkan interaksi pelanggan / klien.
5. Fleksibilitas (apa pun tata letak sekarang, maka akan perlu untuk mengubah).

2.2 Landasan Pemikiran

PERUSAHAAN 1 PERUSAHAAN 2 PERUSAHAAN 3

PT. AMANAH TRANSMULIA LOGISTICS

MASALAH
• Tambahan biaya
Cargo Bandara
gudang
International Soekarno • Gudang penuh
Hatta • Kesalahan
pengiriman barang
• Prioritas
pengiriman
KOTA TUJUAN

Gambar 2.1 Landasan Pemikiran

Sumber : pengolahan data 2014
Ada beberapa hal yang menjadi masalah dalam proses pengiriman ini.
Masalah terjadi terutama saat adanya penumpukan barang, perusahaan akan
mengeluarkan biaya lebih untuk membayar sewa gudang. Dan akibat lain dari
penumpukan barang di gudang seperti salah pengiriman barang, dan
memprioritaskan barang yang seharusnya dikirim terlebih dahulu.
20

Hal inilah yang mendasari penulis untuk melakukan penelitian ini, agar
masalah - masalah yang timbul tidak mengganggu jalannya bisnis, apalagi sampai
merugikan pelaku bisnis, sebab untuk membayar sewa gudang di bandara,
perusahaan membayarnya dengan hitungan perhari. Apabila barang yang saharusnya
dikirim hari ini, ternyata harus dikirim besok karena adanya keterlambatan
penerbangan dan lain hal, dan barang besok harinya juga sama banyaknya dengan
barang hari ini atau bahkan lebih, dan kapasitas bagasi barang di pesawat pastinya
akan dibatasi, yang menyebabkan tidak semua barang bisa diangkut sekaligus,
berapakah perusahaan akan mengeluarkan biaya untuk sewa gudang di bandara ?
Oleh karena itu penulis membuat landasan pemikiran yang sedemikian rupa,
agar menghasilkan suatu kesimpulan yang berguna untuk membantu perusahaan
dalam menyelesaikan masalah yang dihadapi.